Applications of Machine Learning and Deep Learning on Biological Data
A gépek automatizált tanulása jellemzi a gépi tanulást (ML). Az adatvezérelt előrejelzések készítésére összpontosít programozott algoritmusok segítségével. Az ML-nek számos alkalmazása van, többek között a bioinformatika, amely egy olyan tudományág, amely a biológiai adatok megszerzéséhez szükséges számítási levezetések alkalmazásával foglalkozik. Magában foglalja az adatok gyűjtését, visszakeresését, tárolását, manipulálását és modellezését az egyedi szoftverek segítségével végzett elemzés vagy előrejelzés céljából. Korábban a bioinformatikai algoritmusok átfogó programozása rendkívül fáradságos feladat volt az olyan alkalmazások esetében, mint a fehérjeszerkezetek előrejelzése. Mostanra az ML-t és a mélytanulást (DL) alkalmazó algoritmusok megnövelték az ilyen algoritmusok programozásának sebességét és hatékonyságát.
A Applications of Machine Learning and Deep Learning on Biological Data az ML és a DL alkalmazását vizsgálja olyan területeken, mint a proteomika, a genomika, a microarrays, a szövegbányászat és a rendszerbiológia. A fő cél az ML biológiai tudományos problémákra történő alkalmazásainak lefedése, a bioinformatikához kapcsolódó problémákra összpontosítva. A könyv a bioinformatika rohamosan fejlődő tudományágában alkalmazott ML élvonalbeli kutatási témákat és módszertanokat vizsgálja.
A biológiai és neuroképalkotó adatokra alkalmazott ML és DL új határokat nyithat az orvosbiológiai mérnöki tudományok előtt, például a komplex betegségek, köztük a rák, a neurodegeneratív és pszichiátriai rendellenességek megértésének finomításában. Az e területen elért előrelépések végül a precíziós orvoslás és az olyan automatizált diagnosztikai eszközök kifejlesztéséhez vezethetnek, amelyek képesek az orvosi kezelések egyéni életmódhoz, variabilitáshoz és környezethez való igazítására.
Kiemelt témák:
⬤ Mesterséges intelligencia a skizofrénia kezelésében és diagnosztizálásában.
⬤ Az ML és a DL egészségügyi ellátásra gyakorolt pénzügyi hatásának elemzése.
⬤ Egy XGBoost-alapú osztályozási módszer a mellrák osztályozására.
⬤ ML felhasználása a laphámbetegségek előrejelzésére.
⬤ ML és DL alkalmazások a genomikában és a proteomikában.
⬤ ML és DL alkalmazása biológiai adatokra.